| 1 |
1
양방향 예측이 가능한 양방향 계층형 시간적 메모리 방법에 있어서, 입력되는 데이터를 학습하는 동작; 및상기 학습된 데이터에 기반하여, 시간의 흐름에 따른 제 1 방향에 반대되는 제 2 방향의 데이터를 예측하는 동작을 포함하는 방법
|
| 2 |
2
제 1 항에 있어서, 상기 제 2 방향의 데이터 예측 동작은,상기 학습된 데이터를 기반으로, 계층형 시간적 메모리(hierarchical temporal memory; HTM) 알고리즘에 따른 다수 개의 셀들 중 적어도 어느 하나를 활성화하는 동작; 및상기 활성화된 셀에 기반하여, 상기 셀들 중 적어도 어느 하나를 상기 제 2 방향의 데이터로 예측하는 동작을 포함하는 방법
|
| 3 |
3
제 1 항에 있어서, 상기 학습된 데이터에 기반하여, 상기 1 방향의 데이터를 예측하는 동작을 더 포함하는 방법
|
| 4 |
4
제 3 항에 있어서, 상기 제 1 방향의 데이터 예측 동작은, 상기 학습된 데이터를 기반으로, 계층형 시간적 메모리(hierarchical temporal memory; HTM) 알고리즘에 따른 다수 개의 셀들 중 적어도 어느 하나를 활성화하는 동작; 및상기 활성화된 셀에 기반하여, 상기 셀들 중 적어도 어느 하나를 상기 제 1 방향의 데이터로 예측하는 동작을 포함하는 방법
|
| 5 |
5
제 2 항 또는 제 4 항에 있어서, 상기 셀들은 다수 개의 컬럼들로 그루핑되어 배열되고, 상기 컬럼들 각각에서 계층적으로 배열되는 방법
|
| 6 |
6
제 1 항에 있어서, 상기 입력되는 데이터 학습 동작은, 초기 시점으로부터 현재 시점 까지 입력되는 데이터를 학습하는 방법
|
| 7 |
7
제 2 항 또는 제 4 항에 있어서, 상기 입력되는 데이터 학습 동작은, 상기 입력되는 데이터를 바이너리 벡터 형태로 변환하는 동작; 및상기 변환된 데이터를 학습하는 동작을 포함하는 방법
|
| 8 |
8
제 7 항에 있어서, 상기 제 1 방향의 데이터 예측 동작 또는 상기 제 2 방향의 데이터 예측 동작은,상기 예측된 데이터를 상기 바이너리 벡터 형태로 처리하는 동작; 및상기 처리된 데이터를 상기 바이너리 벡터 형태로부터 상기 입력되는 데이터의 형태로 재변환하는 동작을 더 포함하는 방법
|
| 9 |
9
제 2 항 또는 제 4 항에 있어서, 상기 학습된 데이터는 제 1 시점에 입력되는 제 1 데이터와 제 2 시점에 입력되는 제 2 데이터를 포함하고, 상기 셀들 중 적어도 어느 하나를 활성화하는 동작은, 상기 제 1 데이터, 제 2 데이터 및 상기 제 1 데이터로부터 예측되는 제 3 데이터를 비교하여, 상기 셀들 중 적어도 어느 하나를 활성화하는 동작을 포함하는 방법
|
| 10 |
10
제 2 항 또는 제 4 항에 있어서, 상기 제 1 방향의 데이터 예측 동작 또는 상기 제 2 방향의 데이터 예측 동작은,상기 활성화된 셀에 연결되는 세그먼트의 활성화 여부에 따라, 상기 셀들 중 적어도 어느 하나를 상기 제 1 방향의 데이터 또는 상기 제 2 방향의 데이터로 예측하는 방법
|
| 11 |
11
양방향 예측이 가능한 양방향 계층형 시간적 메모리 장치에 있어서, 입력되는 데이터를 검출하는 인코더; 및상기 검출된 데이터를 학습하고, 상기 학습된 데이터에 기반하여, 시간의 흐름에 따른 제 1 방향에 반대되는 제 2 방향의 데이터를 예측하는 예측기를 포함하는 장치
|
| 12 |
12
제 11 항에 있어서, 상기 예측기는, 상기 학습된 데이터를 기반으로, 계층형 시간적 메모리(hierarchical temporal memory; HTM) 알고리즘에 따른 다수 개의 셀들 중 적어도 어느 하나를 활성화하고, 상기 활성화된 셀에 기반하여, 상기 셀들 중 적어도 어느 하나를 상기 제 2 방향의 데이터로 예측하는 장치
|
| 13 |
13
제 11 항에 있어서, 상기 예측기는,상기 학습된 데이터에 기반하여, 상기 1 방향의 데이터를 예측하는 장치
|
| 14 |
14
제 13 항에 있어서, 상기 예측기는,상기 학습된 데이터를 기반으로, 계층형 시간적 메모리(hierarchical temporal memory; HTM) 알고리즘에 따른 다수 개의 셀들 중 적어도 어느 하나를 활성화하고, 상기 활성화된 셀에 기반하여, 상기 셀들 중 적어도 어느 하나를 상기 제 1 방향의 데이터로 예측하는 장치
|
| 15 |
15
제 12 항 또는 제 14 항에 있어서, 상기 셀들은 다수 개의 컬럼들로 그루핑되어 배열되고, 상기 컬럼들 각각에서 계층적으로 배열되는 장치
|
| 16 |
16
제 11 항에 있어서, 상기 예측기는,초기 시점으로부터 현재 시점 까지 입력되는 데이터를 학습하는 장치
|
| 17 |
17
제 12 항 또는 제 14 항에 있어서, 상기 인버터는,상기 입력되는 데이터를 바이너리 벡터 형태로 변환하는 장치
|
| 18 |
18
제 17 항에 있어서, 상기 예측기는,상기 변환된 데이터를 학습하고, 상기 학습된 데이터에 기반하여, 상기 제 1 방향의 데이터 또는 상기 제 2 방향의 데이터를 예측하고,상기 예측된 데이터를 상기 바이너리 벡터 형태로 처리하는 장치
|
| 19 |
19
제 18 항에 있어서, 상기 처리된 데이터를 상기 바이너리 벡터 형태로부터 상기 입력되는 데이터의 형태로 재변환하는 디코더를 더 포함하는 장치
|
| 20 |
20
제 12 항 또는 제 14 항에 있어서, 상기 학습된 데이터는 제 1 시점에 입력되는 제 1 데이터와 제 2 시점에 입력되는 제 2 데이터를 포함하고, 상기 예측기는, 상기 제 1 데이터, 제 2 데이터 및 상기 제 1 데이터로부터 예측되는 제 3 데이터를 비교하여, 상기 셀들 중 적어도 어느 하나를 활성화하고, 상기 활성화된 셀에 연결되는 세그먼트의 활성화 여부에 따라, 상기 셀들 중 적어도 어느 하나를 상기 제 1 방향의 데이터 또는 상기 제 2 방향의 데이터로 예측하는 장치
|
